அச்சிட்ட தமிழை அசத்தலாகப் படிக்கும் ‘மிஸ்ட்ரல்’ ஏ.ஐ!

மிஸ்ட்ரல் என்பது பிரான்ஸ் நாட்டின் முன்னணிச் செயற்கை நுண்ணறிவு நிறுவனம். இன்றைக்கு அவர்களது புது ஏ.ஐ. மாடல் Mistral OCR 4ஐ வெளியிட்டிருக்கிறார்கள்.

இது ஓர் ஒளி எழுத்துணரி (OCR) மாதிரி. புத்தகங்களில் அச்சிடப்பட்ட அல்லது கையால் எழுதிய பக்கங்களைப் படங்களாகக் கொடுத்தால் அதை வருடி, அதில் இருக்கும் வரிகளைக் கொடுக்கும். அதாவது, நாம் கொடுக்கும் படத்தில் உள்ள எழுத்துக்களை, கணினியால் புரிந்துகொள்ளக்கூடிய எண்ணிம உரையாக (Digital text) மாற்றும் தொழில்நுட்பம் இந்த ஒளி எழுத்துணரி முறை.

இந்த முறை சில தசாப்தங்களாக ஆங்கிலத்திற்குச் சரியாக வேலைச் செய்தாலும், தமிழுக்குத் தடுமாறும். அதுவும் பெரியார் சீர்திருத்தத் தமிழுக்கு முன்னால் அச்சிடப்பட்டப் பக்கங்களை, அல்லது கையெழுத்துப் பிரதிகளைக் கொடுத்தால் அவ்வளவு தான். வரும் விடையைப் பார்த்தால் அது தமிழா என்று குழம்பிவிடுவோம். இதற்குப் பல காரணங்கள், அதைவிட்டுவிடுவோம். சென்ற ஆண்டுக்கு முன்பு வரை இதை ஓரளவு சுமாராகத் தமிழுக்குச் செய்தது திறமூல முயற்சியான டெசரவ்ட் (Tesseract). இதையே பல ஆண்டுகள் வரை கூகுள் டாக்ஸ் பயன்படுத்தி வந்தது. இதைப் பற்றி விவரமாக 2019 ஆண்டு ஒரு வலைப்பதிவை எழுதியிருந்தேன் (விவரம் இங்கே).

இந்த முறையைத் துல்லியமாகச் செய்ய வேண்டியது இன்றைய செய்யறிவு உலகிற்கு மிக முக்கியம். இதைச் செய்யவே வந்திருக்கிறது மிஸ்ட்ரல் ஓ.சி.ஆர். ஏ.ஐ. மாடல். ஒன்றிரண்டு பக்கங்களை மட்டும் கொடுத்துப் பார்த்தேன், விடை துல்லியமாகவே வந்தது. இணைப்பில் இருக்கும் படங்களைப் பார்க்கவும். நீங்களும் இலவசமாகப் பயன்படுத்திப் பார்க்க மிஸ்ட்ரல் தளத்தின் முகவரி இங்கே.

இதைச் செய்துவிட்டு, ஏ.ஐ. உலகின் நாயகன் சாட்ஜிபிடி இதை எப்படிச் செய்கிறது என்று பார்த்தேன். சென்ற ஆண்டு அதுவும் தடுமாறும், ஆனால் இன்றைய முயற்சியில் சிறப்பாகவே செய்தது. நான் கொடுத்தது ஒரு பக்கம் மட்டுமே. கையெழுத்துப் பிரதிகளைக் கொடுத்தேன், அதில் பாதிக்கும் குறைவான தமிழ் வார்த்தைகளை மட்டுமே மிஸ்ட்ரல் ஓ.சி.ஆர். சரியாகச் சொல்லியது. கையெழுத்து படங்களைக் கொடுத்தால் சாட்ஜிபிடி முழுவதுமாக தவறாக, தானாக ஒன்றை அடித்து விடுகிறது, அதற்கு மிஸ்ட்ரல் பராவயில்லை.

தமிழ் ஒளி எழுத்துணரிகளைப் பயன்படுத்திய மற்றவர்கள் உங்களின் அனுபவத்தைக் கருத்தில் பகிரவும். நன்றி.

குறிப்பு: படத்தில் இருப்பது லிப்கோவின் 1958 ஆம் ஆண்டு வெளிவந்த “விநோத ரச மஞ்சரி” நூலின் முதல் பக்கம், நூல் ஆசிரியர் அஷ்டாவதானம் வீராசாமி செட்டியார், முன்னுரை நாமக்கல் கவிஞர் அவர்கள்.